面向德国电报消息的网络驱动式误information 检测：MisinfoTeleGraph
计算与语言
2025-07-01 v1
摘要
连接性和信息传播是误information 检测中的核心且常被忽视的来源——尤其是在电报（Telegram）这类监管不严的平台上，电报已成为德国选举背景下误information 扩散的关键渠道。本文介绍 MisinfoTeleGraph，即首个基于德国语言电报的误information 检测图数据集。该数据集包含来自公开频道的超过 500 万条消息，包含元数据、频道关系以及弱标签和强标签。这些标签通过 M3-embeddings 基于事实核查文章和新闻文章的语义相似性，以及手动标注获得。为建立可复现的基线，我们评估了文本-only 模型和包含消息转发作为网络结构的图神经网络（GNN）。我们的结果表明，带有 LSTM 聚合的 GraphSAGE 在 Matthews 相关系数（MCC）和 F1 分数方面显著优于文本-only 基线。我们进一步评估了订阅者、浏览次数以及自动 vs 人工创建标签对性能的影响，并突出了弱监督在该领域的潜力与挑战。本工作为未来研究在德国语言电报网络以及其他低监管社交平台的误information 检测提供了可复现的基准和开放数据集。
引用
@article{arxiv.2506.22529,
title = {MisinfoTeleGraph: Network-driven Misinformation Detection for German Telegram Messages},
author = {Lu Kalkbrenner and Veronika Solopova and Steffen Zeiler and Robert Nickel and Dorothea Kolossa},
journal= {arXiv preprint arXiv:2506.22529},
year = {2025}
}